ZADACI SA VEBI

IZ PREDMETA
VEROVATNOA I STATISTIKA B

dr Milan Jovanovi
 1. Odrediti karakteristiqnu funkciju sluqajne veliqine:
( )
a) X1 koja ima 0 1
1−p p
raspodelu;
b) X2 koja ima binomnu B(n, p) raspodelu;
v) X3 koja ima Puasonovu P(λ) raspodelu i dokazati da ako X3 ima Puasonovu P(λ) raspo-
delu, a X4 ima Puasonovu P(µ) raspodelu i nezavisne su, onda ihov zbir X3 + X4 ima
Puasonovu P(λ + µ) raspodelu;
g) X5 qija gustina raspodele je f (x) = 12 e−|x|, x ∈ R, a zatim izraqunati oqekivae EX5 i
disperziju DX5.
2. Odrediti raspodelu sluqajne veliqine za qiju karakteristiqnu funkciju φ(t) vai da je:
a) φ(t) = 3+cos 4
t
;
b) φ(t) = (1 − β)(1 + α)−1 (1 + αe−it)(1 − βeit)−1, 0 < α < β < 1;
v) φ(t) = 2−e1 .
it

3. Za nezavisne sluqajne veliqine Y i Z vai da je X = Y + Z . Ako sluqajna veliqina X

ima uniformnu U[0, n + 1] raspodelu, a Y uniformnu U[0, 1] raspodelu, odrediti raspodelu
sluqajne veliqine Z .
4. Za niz sluqajnih veliqina (Xn) vai da je EXn = n, a DXn = 1. Ako je c fiksiran broj koji
pripada intervalu (0, 1), izraqunati verovatnou da e beskonaqno mnogo puta biti Xn < cn
kad n ∈ N.
5. Neka je Ω = {ωk |k ∈ N} skup elementarnih {
ishoda nekog eksperimenta i P {ωk } = π 6k . Za 2 2

svaki prirodan broj n neka je Xn(ωk ) = n, k = n,

0, k ̸= n,
, a Yn = 1 − Xn . Ispitati sve qetiri
n
2

vrste konvergencije niza sluqajnih veliqina (Xn), odnosno niza sluqajnih veliqina (Yn ).
6. Za svaki prirodan broj n sluqajna veliqina Xn ima(uniformnu )
U[0, n1 ] raspodelu, a nezavisna
1
od e sluqajna veliqina Yn ima zakon raspodele 01 n1 . Ako je Zn = Xn + Yn , ispitati
sve qetiri vrste konvergencije niza sluqajnih veliqina (Zn ).
2 2

7. Dat je niz nezavisnih sluqajnih veliqina qiji opxti qlan Xn ima uniformnu U[0, n] raspode-
lu. Ako je Yn = min{1, Xn }, ispitati sve qetiri vrste konvergencije niza sluqajnih veliqina
(Yn ).
8. Ako niz sluqajnih veliqina (Xn ) konvergira u srede kvadratnom ka sluqajnoj veliqini X ,
onda EXn → EX i DXn → DX kad n → ∞. Dokazati.
9. Sluqajna veliqina Y ima uniformnu U[0, 1] raspodelu. Za svaki prirodan broj n neka je
Xn = an I{Y < n1 } + Y · I{Y ≥ n1 }. Odredititi niz brojeva (an ) tako da za svako n ∈ N
bude EXn = 0 i za tako izabrane an ispitati sve qetiri vrste konvergencije niza sluqajnih
veliqina (Xn).
10. U zavisnosti od vrednosti realnog parametra α (α > 0, α ̸= 1), ispitati sve qetiri vrste
konvergencije niza nezavisnih sluqajnih veliqina qiji opxti qlan Xn ima uniformnu
U([0, n1 ] ∪ [1, 1 + n1 ]) raspodelu.
α

( )
− 21n 1
11. Dat je niz nezavisnih sluqajnih veliqina qiji opxti qlan Xn ima 1
2n
1 raspodelu
2 2

i neka je Sn = ∑ Xk . Dokazati da niz sluqajnih veliqina (Sn ) konvergira u raspodeli ka

n

sluqajnoj veliqini S∞ , gde S∞ ima uniformnu U[−1, 1] raspodelu.

k=1
12. Ispitati da li zakon velikih brojeva vai za niz nezavisnih sluqajnih veliqina qiji opxti
qlan Xn ima:
( √ √ )
− ln n
a) zakon raspodele 1
ln n
1 ;
2 2
b) gustinu raspodele fX (x) = ne−nx , x ≥ 0;
( )
n

v) zakon raspodele −21 21 .

n n

2 2

13. Dat je niz nezavisnih sluqajnih veliqina qiji opxti qlan Xn ima gustinu raspodele fX (x) = n

n! , x > 0. Ispitati da li za ovaj niz vai zakon velikih brojeva.

n −x
x e

14. Neka je niz sluqajnih veliqina (Xn) takav da za svaki prirodan broj n vai da je EXn = 0 i
DXn ≤ C , gde je C konstanta koja je vea od 0, i bilo koji qlan Xn zavisi samo od prethodnog
Xn−1 i sledeeg Xn+1 , a nezavisan je od ostalih qlanova niza. Dokazati da za ovaj niz vai
slabi zakon velikih brojeva.
15. Raqunar u procesu sabiraa brojeva vrxi zaokruivae na najblii ceo broj. Pretpostav a
se da su grexke nastale zaokruivaem nezavisne i uniformno raspode ene na segmentu
[−0.5, 0.5].

a) Ako se sabira 1500 brojeva, izraqunati verovatnou da apsolutna vrednost ukupne grexke
bude vea od 15.
b) Koliko se najvixe brojeva moe sabrati, pa da sa verovatnoom 0.9 vrednost ukupne
grexke bude maa od 10?
16. Kixne kapi oblika sfere qija duina polupreqnika (u mm) ima uniformnu U[1, 2] raspodelu
padaju u kofu. Svakog sekunda upadne 20 kixnih kapi. Ako je verovatnoa da se nakon
dvosatnog padaa kixe kofa nee prepuniti vodom jednaka 0.965, izraqunati zapreminu (u
l) te kofe.

17. Neka je (Xn ) niz nezavisnih sluqajnih veliqina koje imaju istu raspodelu i neka je EXn = 0
i DXn < +∞. Ako je
{ ∑ Xk
n
}
k=1 1
lim P √ >1 = ,
n→∞ n 3
izraqunati disperziju DXn.
18. Opxti qlanovi Xn i Yn nezavisnih nizova nezavisnih sluqajnih
∑ n
veliqina imaju uniformnu
(Xk −Yk )
i eksponencijalnu E(2) raspodelu. Ako je Zn =
U[0, 1] k=1
√
n
, ispitati konvergenciju u
raspodeli niza sluqajnih veliqina (Zn ).
 MATEMATIQKA STATISTIKA
19. Ako sluqajna veliqina X ima normalnu N (2, a) raspodelu, izraqunati pozitivan realan broj
a takav da je P {X > 1.5} = 0.59871.

20. Ako sluqajna veliqina X ima χ27 raspodelu, izraqunati realan broj a takav da je
P {X ≤ a} = 0.9.

21. Ako sluqajna veliqina X ima χ215 raspodelu, izraqunati realan broj a takav da je
P {a < X < 19.311} = 0.6.

22. Ako sluqajna veliqina X ima χ2100 raspodelu, izraqunati realan broj a takav da je
P {X > a} = 0.7.

23. Sluqajna veliqina X ima normalnu N (0, 1) raspodelu, a sluqajna veliqina Y ima normalnu
N (0, 4) raspodelu. Ako su X i Y nezavisne, odrediti realan broj a takav da sluqajna veliqina
X 2 + aY 2 ima χ22 raspodelu.

24. Ako sluqajna veliqina X ima Studentovu t10 raspodelu, izraqunati realan broj a takav da
je
a) P {X < a} = 0.6;
b) P {X > a} = 0.6;
v) P {|X| < a} = 0.6.
25. Ako sluqajna veliqina X ima Studentovu t18 raspodelu, izraqunati realan broj a takav da
je P {a < X < 1.734} = 0.75.
26. Ako sluqajna veliqina X ima Studentovu t7 raspodelu, izraqunati realan broj a takav da je
P {−1.895 < X < a} = 0.35.

27. Ako sluqajna veliqina X ima Fixerovu F10,12 raspodelu, izraqunati realan broj a takav da
je P {X ≥ a} = 0.05.
28. Ako sluqajna veliqina X ima Fixerovu F10,12 raspodelu, izraqunati realan broj a takav da
je P {X ≥ a} = 0.95.
29. Obeleje X (posmatrane populacije) ima normalnu N (m, m) raspodelu. Za ocenu nepoznatog
parametra m, na osnovu uzorka obima n, predloene su dve statistike: uzoraqka sredina
X n i poprav ena uzoraqka disperzija Sen2 . Ispitati nepristrasnost i postojanost tih ocena.
Ispitati koja je ocena bo a u srede kvadratnom smislu.
30. Obeleje X ima normalnu N (m, 1), m ∈ (0, 1), raspodelu. Za ocenu nepoznatog parame-
tra m, na osnovu uzorka obima n, predloene su dve statistike: uzoraqka sredina X n i
X n I{0 ≤ X n ≤ 1} + I{X n > 1}. Ispitati koja je ocena bo a u srede kvadratnom smislu.

31. Obeleje X ima uniformnu U[0, θ], θ > 0, raspodelu. Za ocenu nepoznatog parametra θ, na
osnovu uzorka obima n, predloene su dve statistike: 2X n i n+1n X(n) . Ispitati koja je ocena
bo a u srede kvadratnom smislu.
32. Obeleje X ima gustinu raspodele f (x; θ) = θxθ−1, x ∈ (0, 1], θ > 0. Za ocenu nepoznatog
parametra θ predloena je statistika V = ∑n−1 . Ispitati da li je ta ocena efikasna.
n
− ln Xk
k=1

33. Obeleje X ima Puasonovu P(λ) raspodelu. Na osnovu uzorka obima n metodom maksimalne
verodostojnosti odrediti ocenu nepoznatog parametra λ, a zatim ispitati nepristrasnost i
efikasnost tako dobijene ocene.
34. Obeleje X ima gustinu raspodele f (x; θ) = θ2xe−θx , x ≥ 0, θ > 0. Na osnovu uzorka obima n
metodom maksimalne verodostojnosti odrediti ocenu nepoznatog parametra θ.
35. Verovatnoa da se dogaaj A ostvari pri nekom eksperimentu je p, 0 < p < 1. Eksperimenti
se nezavisno ponav aju ili do prve pojave dogaaja A ili do N -tog pokuxaja, gde je N ≥ 1 i
unapred poznat broj. Broj eksperimenata do kraja serije se belei. Na osnovu registrovanih
n brojeva, tj. na osnovu n serija, metodom maksimalne verodostojnosti odrediti ocenu nepo-
znatog parametra p.
36. Metodom maksimalne verodostojnosti odrediti ocenu nepoznatog parametra θ na osnovu uzorka
obima n iz populacije qije obeleje X ima:
a) uniformnu U[0, θ], θ > 0, raspodelu;
b) uniformnu U[−θ, θ], θ > 0, raspodelu;
v) uniformnu U[0, θ], θ ≥ 1, raspodelu;
g) uniformnu U[0, θ], θ ∈ N, raspodelu. U ovom sluqaju ispitati nepristrasnost i posto-
janost tako dobijene ocene.
37. Obeleje X ima eksponencijalnu E(λ) raspodelu, gde je λ nepoznati parametar. Na os-
novu uzorka (2.3, 3.4, 1.2, 2.5, 0.6) metodom maksimalne verodostojnosti odrediti ocenu za
verovatnou P {X ≥ 1} .
38. Obeleje X ima gustinu raspodele f (x; θ1, θ2 ) = θ1 e− , x ≥ θ1, θ1 > 0, θ2 > 0. Na osnovu
x−θ1
θ2

uzorka obima n metodom maksimalne verodostojnosti odrediti ocene nepoznatih parametara

2

θ1 i θ2 .
39. Iz populacije qije obeleje X ima normalnu N (m, σ2) raspodelu izvuqen je uzorak obima 10,
qija je uzoraqka sredina x10 = 5.5, a uzoraqka disperzija s210 = 36.
a) Odrediti 90% interval poverea za nepoznati parametar m.
b) Odrediti 90% jednostrani (doi, gori) i dvostrani interval poverea za nepoznati
parametar σ2, kao i za nepoznati parametar σ.
40. Iz populacije qije obeleje X ima normalnu N (m, σ2 ) raspodelu izvuqen je uzorak:
(−5, −3] (−3, −1] (−1, −0.5] (−0.5, 0.5] (0.5, 1.5] (1.5, 3.5)
3 13 56 100 60 8

Na osnovu tog uzorka dobijeno je da je (c, 0.13756) 95.8% interval poverea za nepoznati
parametar m. Izraqunati realan broj c.
41. Iz populacije qije obeleje X ima normalnu N (m, 16) raspodelu izvuqen je uzorak obima 64,
qija je uzoraqka sredina x64 = 5. Konstatovano je da je β% interval poverea za m jednak
(4, 6). Izraqunati β .
42. Obeleje X ima uniformnu U[0, 1 + θ], θ > 0, raspodelu, gde je θ nepoznati parametar. Uzet
je uzorak obima 200 i konstatovano je da je u uzorku 150 elemenata koji su mai od 1.
a) Odrediti 95% interval poverea za verovatnou p, gde je p = P {X < 1}.
b) Na osnovu rezultata pod (a) odrediti 95% interval poverea za θ.
43. Iz populacije qije obeleje X ima eksponencijalnu E(λ) raspodelu izvuqen je uzorak:
Ik [0, 1) [1, 2) [2, 3) [3, 4) [4, 5) [5, 6) [6, ∞)
nk 493 378 298 211 171 45 4

Odrediti 98% interval poverea za nepoznati parametar λ.

44. U kutiji je 10 kuglica, crvenih i belih. Testira se (nulta) hipoteza H0(u kutiji su 2
crvene i 8 belih kuglica) protiv (alternativne) hipoteze H1(u kutiji su vixe od 2 crvene
kuglice), tako xto se iz kutije izvlaqe dve kuglice jedna za drugom, bez vraaa, pa ako
su obe izvuqene kuglice crvene, hipoteza H0 se odbacuje, inaqe se ne odbacuje. Izraqunati
verovatnou grexke prve vrste i funkciju moi tog testa.
45. Neka je hipoteza H0 (obeleje X ima gustinu raspodele f0(x) = 1, 0 ≤ x ≤ 1), a hipoteza
H1 (obeleje X ima gustinu raspodele f1 (x) = 2x, 0 ≤ x ≤ 1). Na osnovu uzorka (X1 , X2 )
treba se opredeliti za jednu od ove dve hipoteze. Predloena su dva testa qije su kritiqne
oblasti W1 = {(x1, x2)|x1 ≥ k1, x2 ≥ k1}, odnosno W2 = {(x1 , x2)|x1 + x2 ≥ k2}, oba sa istim
pragom znaqajnosti α, gde je α = 81 . Ispitati koji je test bo i. Podrazumeva se da je poznato
da obeleje X uzima vrednosti iz segmenta [0, 1].
( )
46. Neka je hipoteza H0 (X : 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 ), a hipoteza H1
1 2 3 4 5 6 7 8 9 10
( )
). Sa pragom znaqajnosti
1 2 3 4 5 6 7 8 9 10
(X :
0.01 0.42 0.01 0.01 0.5 0.01 0.01 0.01 0.01 0.01
0.03, odrediti najbo u kritiqnu oblast za testirae hipoteze H0 protiv hipoteze H1 na
osnovu uzorka obima 2. Izraqunati verovatnou grexke druge vrste tako odabranog testa.
47. Obeleje X ima normalnu N (0, σ2 ) raspodelu, gde je σ2 nepoznati parametar. Sa pragom
znaqajnosti 0.05, odrediti najbo u kritiqnu oblast za testirae hipoteze H0(σ2 = 1) protiv
hipoteze H1(σ2 = 2) na osnovu uzorka obima 10 .
48. Iz populacije qije obeleje X ima eksponencijalnu E( λ1 ) raspodelu izvuqen je uzorak obima
n.

a) Odrediti najbo u kritiqnu oblast za testirae hipoteze H0 (λ = 1) protiv hipoteze

H1 (λ ̸= 1) (H1 (λ = λ1 ), λ1 ̸= 1).
b) Ispitati da li je taj test uniformno najmoniji za testirae hipoteze H0 (λ = 1) protiv
hipoteze H1(λ ̸= 1).
v) Izraqunati verovatnou grexke druge vrste tog testa ako je obim uzorka 100, alterna-
tivna hipoteza H1(λ = 2), a prag znaqajnosti 0.05.
49. Obeleje X ima gustinu raspodele f (x; θ) = 1−θ , x ∈ (0, 1), gde je θ nepoznati parametar
takav da θ ∈ [0, 1).
θx

a) Odrediti najbo u kritiqnu oblast za testirae hipoteze H0(θ = 0) protiv hipoteze

H1 (θ = θ0 ), θ0 > 0, na osnovu uzorka obima n.
b) Ispitati da li je taj test uniformno najmoniji za testirae hipoteze H0(θ = 0) protiv
hipoteze H1(θ > 0).
v) Odrediti funkciju moi M (θ) tog testa ako je obim uzorka 2, a prag znaqajnosti α.
50. Na osnovu uzorka obima n testirati hipotezu H0(obeleje X ima normalnu N (0, 1) raspodelu)
protiv hipoteze H1(obeleje X ima gustinu raspodele f (x) = 21 e−|x|). Odrediti najbo u
kritiqnu oblast ako je obim uzorka 100, a prag znaqajnosti 0.05.
51. Iz populacije qije obeleje X ima normalnu N (m, σ2) raspodelu izvuqen je uzorak obima 20
i konstatovano je da je uzoraqka sredina x20 = 53.5, a uzoraqka disperzija s220 = 45.85. Sa
pragom znaqajnosti 0.05 testirati:
a) hipotezu H0(m = 60);
b) hipotezu H0(σ2 = 50) protiv hipoteze H1 (σ2 < 50).
52. Iz dve populacije qija su obeleja X koje ima normalnu N (m1, 62 ) raspodelu i Y koje ima
normalnu N (m2, 52 ) raspodelu izvuqeni su nezavisni uzorci obima 12 i 10 i konstatovano
je da su uzoraqke sredine x12 = 178 i y10 = 176.6. Sa pragom znaqajnosti 0.04 testirati
hipotezu H0(m1 = m2) protiv hipoteze H1(m1 > m2).
53. Mereem sistolnog (goreg) pritiska na uzorku od 12 muxkaraca dobijeno je 130, 148, 122,
140, 132, 142, 124, 150, 170, 136, 146, 140, a na uzorku od 13 ena 140, 150, 130, 132, 150, 138,
123, 124, 160, 138, 170, 144, 108. Smatra se da sistolni pritisak i kod muxkaraca i kod ena
ima normalnu raspodelu. Pod pretpostavkom da su disperzije jednake, sa pragom znaqajnosti
0.1 testirati hipotezu da su srede vrednosti sistolnih pritisaka kod muxkaraca i ena
jednake.
54. Iz dve populacije qija su obeleja X koje ima normalnu N (m1, σ12 ) raspodelu i Y koje ima
normalnu N (m2, σ22) raspodelu izvuqeni su nezavisni uzorci obima 8 i 10 i konstatovano je
da su uzoraqke disperzije s28(X) = 46 i s210(Y ) = 50. Sa pragom znaqajnosti 0.1 testirati
hipotezu H0(σ12 = σ22).
55. Jedan lek pomae u leqeu neke bolesti u 80% sluqajeva. Novi lek za tu bolest je pomogao u
250 od 300 sluqajeva. Sa pragom znaqajnosti 0.03 testirati hipotezu da je novi lek efikasniji
od starog.
56. Iz populacije qije je obeleje X izvuqen je uzorak:
Xk 1 2 3 4 5 ≥ 6
Mk 45 30 15 6 2 2

Sa pragom znaqajnosti 0.05 testirati hipotezu da obeleje X ima zakon raspodele

P {X = k} = 21 , k ∈ N.
k

57. Iz populacije qije je obeleje X izvuqen je uzorak:

Ik [0, 1] [1.5, 2.5] (2.5, 3.5] (3.5, 5]
Mk 52 35 9 4

Sa pragom znaqajnosti 0.02 testirati hipotezu da obeleje X ima eksponencijalnu raspodelu.